要稳定产出高质量图片，需三步搭建工作流：加载高清优化模型、配置正负向提示词、连接ksampler与vae decode；再通过detail enhancer、controlnet tile和high-res fix三大节点强化细节、结构与分辨率；最后锚定steps=35、cfg=7.5、denoise按任务设定、采样器选dpm++ 2m karras。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想在LiblibAI里稳定产出细节清晰、结构准确、风格统一的高质量图片，但每次生成都出现手部畸形、文字错乱或光影崩坏——这不是运气问题，是工作流缺少关键节点约束与参数锚点。
搭出稳定高质量工作流的三步起点
第一步：拖入 Checkpoint Loader Simple → 双击 → 在下拉菜单中选一个标有“高清优化”或“8k detail”标签的模型（如 【Flux_Realistic_V3.2.safetensors】），确认VAE留空（该模型已内置适配VAE）。
第二步：拖入两个 CLIP Text Encode 节点 → 分别双击 → 正向提示词框填“masterpiece, best quality, 8k uhd, sharp focus, detailed skin texture, cinematic lighting”；负向提示词框填“deformed hands, extra fingers, text, watermark, blurry, lowres, jpeg artifacts”。
第三步：拖入 KSampler → 将 Checkpoint Loader 的 “clip” 输出连到两个 CLIP Text Encode 的 “clip” 输入 → 把正向节点的 “conditioning” 连至 KSampler 的 “positive”，负向节点的连至 “negative” → 最后把 KSampler 的 “latent” 输出连到 VAE Decode → 右键 VAE Decode → “队列提示”执行。
让画面真正“高质量”的三个强化节点
方法一：加 Detail Enhancer（细节增强器）
在 KSampler 和 VAE Decode 之间插入 Detail Enhancer 节点 → 双击 → 启用 “face detail boost” 和 “texture sharpening” → 其余参数保持默认。这一步能显著改善五官锐度和布料纹理，但若原图分辨率低于768×768，会放大噪点，建议前置缩放至1024×1024再接入。
方法二：插 ControlNet Tile（无损重绘控制）
新增 ControlNetLoader → 选 controlnet_tile-fp16.safetensors → 再加 ControlNetApply → 将 Tile 节点的 “control_net” 输出连到 Apply 节点同名输入 → 把 Apply 的 “image” 输入连到 LoadImage 的输出（即原图）→ Apply 的 “samples” 输入连到 KSampler 的 “latent” 输出。【必须确保 Apply 节点的 “strength” 设为0.5–0.7，高于0.8会导致画面过度碎片化】。
方法三：接 High-Res Fix（分步高清修复）
在 VAE Decode 后加 Upscale Model Loader → 选 4x_NMKD-Superscale-SP_178000_G → 再加 ImageScaleToTarget → 设置 target_width=2048、target_height=2048、crop_position=disabled → 最后接 SaveImage。这步不改变构图，只提升像素密度，适合输出壁纸或印刷用途。
参数锚点设置（决定质量上限的关键）
第一步：打开 KSampler 节点 → 设置 Steps=35（低于30易漏发丝与睫毛细节，高于45几乎不提升质量且耗时翻倍）。
第二步：CFG Scale 固定为7.5（数值为7时部分结构偏软，调到8以上人物肤色易发青、金属反光过曝）。
第三步：Denoise 值根据任务锁定：
• 文生图：设为1.0（全采样保障初始结构完整）；
• 图生图：设为0.45（保留原图骨架，又允许AI重绘细节）；
• 局部重绘：设为0.65（足够覆盖涂抹区域，又不破坏周边一致性）。
第四步：采样器选 DPM++ 2M Karras → 这是当前 LiblibAI 平台对高精度人像与复杂材质兼容性最好的算法，Euler a 在渲染玻璃、水体时容易出现伪影，务必避开。
绕过常见质量陷阱的操作检查
上传图像前，先确认文件格式为 PNG 或无压缩 JPEG —— 若用微信转发过的 JPG，内部已带双重压缩，接入 LoadImage 后会触发 “color banding”（色阶断层），导致天空渐变更生硬、皮肤过渡失真。
所有文本提示词中的具体名词（如“gold watch”“vintage typewriter”）必须用英文书写，中文词即使加引号也会被 CLIP 模块截断为乱码，引发构图错位。
如果生成图频繁出现重复元素（如三只手、两套衣服褶皱），立即检查是否误将同一张图同时接入了 LoadImage 和 ControlNet Tile 的 image 输入口 —— 【两个入口不能共用同一图像源，否则会触发 latent 空间冲突】。
